AdalFlow

⚡庫構建和自動化LLM應用程序的庫⚡

所有文檔|模型|獵犬|代理商| LLM評估|培訓師和優化器

對於想要學習AI方式的AI研究人員，產品團隊和軟件工程師。

快速開始

使用PIP安裝Adalflow：

pip install adalflow

請參閱《完整安裝指南》以獲取更多詳細信息。

• 嘗試COLAB中的建築物快速入門，以了解Adalflow如何構建任務管道，包括聊天機器人，抹布，代理和結構化輸出。
• 嘗試優化快速啟動，以了解Adalflow如何優化任務管道。

為什麼要adalflow

1. 採用類似於Pytorch的設計模式，Adalflow具有強大的，輕的，模塊化的和健壯的。 AdalFlow提供Model-agnostic構建塊來構建LLM任務管​​道，從抹布，代理到經典的NLP任務，例如文本分類和命名實體識別。僅使用手動提示才能獲得高性能。
2. Adalflow為零射擊提示優化和少量射擊優化提供了統一的自動差異框架。它推進了現有的自動優化研究，包括Text-Grad和DsPy 。通過我們的研究，在上下文學習中， Text-Grad 2.0和Learn-to-Reason Few-shot In Context Learning ，Adalflow Trainer精度最高，同時達到了最令牌的效率最高。

這是文本分類任務的優化演示：

在所有庫中，Adalflow通過手動提示（起點為82％）和優化後的精度最高。

進一步閱讀：優化分類

光，模塊化和模型的任務管道

LLM就像水；從聊天機器人，翻譯，摘要，代碼生成，抹布和自主代理等Genai應用程序到經典的NLP任務（如文本分類和命名實體識別），Adalflow可幫助您快速將它們塑造成任何應用程序。

Adalflow具有兩個基本但功能強大的基礎類：用於與LLM的數據交互的管道和DataClass Component 。結果是一個具有最小抽象的庫，為開發人員提供了最大的可定制性。

您可以完全控制提示模板，使用的模型以及任務管道的輸出解析。

許多提供商和模型可通過相同的接口訪問：

所有可用的模型提供商

進一步閱讀：我們如何開始，設計理念和階級等級制度。

自動優化的統一框架

Adalflow在統一框架內提供了令牌高效且高性能的提示優化。要優化管道，只需定義一個Parameter並將其傳遞給Adalflow的Generator 。無論您是需要優化任務說明還是進行一些演示，Adalflow的統一框架都提供了一種簡便的方法來診斷，可視化，調試和訓練管道。

這個動態計算圖說明了我們的自動分化和動態計算圖的工作方式。

無需手動定義的節點和邊緣，Adalflow將自動為您跟踪計算圖。

可訓練的任務管道

只需將其定義為Parameter ，然後將其傳遞到Adalflow的Generator 。

AdalComponent＆Trainer

AdalComponent是任務管道和培訓師之間的“解釋器”，定義培訓和驗證步驟，優化者，評估人員，損失功能，用於文本梯度的後向引擎或跟踪演示的教師生成者。

文件

adalflow完整文檔可在adalflow.sylph.ai上找到：

• 我們如何開始
• 介紹
• 完整的安裝指南
• 設計理念
• 類層次結構
• 教程
• 支持的模型
• 支持的檢索員
• API參考

Adalflow：向Ada Lovelace致敬

Adalflow以紀念Ada Lovelace的名字命名，Ada Lovelace是一位開創性的女數學家，她首先認識到機器可以超越僅僅計算。作為由女性創始人領導的團隊，我們旨在激發更多的女性從事人工智能的職業。

社區和貢獻者

Adalflow是一個以社區為導向的項目，我們歡迎大家加入我們建立LLM應用程序的未來。

加入我們的Discord社區，提出問題，分享您的項目並獲取有關Adalflow的最新信息。

為了做出貢獻，請閱讀我們的貢獻指南。

貢獻者

致謝

許多現有作品極大地啟發了Adalflow庫！這是一個非竭盡全力的列表：

• 用於設計理念和設計模式的Pytorch， Component Parameter Sequential 。
• Micrograd：一種用於自動差異化體系結構的微型自動克拉德引擎。
• 文本Textual Gradient Descent文本優化器的文本級。
• DSPY啟發我們DataClass中的__{input/output}__fields ，而Bootstrap幾乎沒有發射優化器。
• OPRO用於在文本優化器中添加過去的文本說明及其準確性。
• 用於AdalComponent和Trainer Pytorch Lightning。

引用

 @software { Yin2024AdalFlow ,
  author = { Li Yin } ,
  title = { {AdalFlow: The Library for Large Language Model (LLM) Applications} } ,
  month = { 7 } ,
  year = { 2024 } ,
  doi = { 10.5281/zenodo.12639531 } ,
  url = { https://github.com/SylphAI-Inc/AdalFlow }
}